BenchLeader

Claude Sonnet 5 vs Qwen3.8-Flash-Next

詳しいプロフィール:Claude Sonnet 5(Anthropic)とQwen3.8-Flash-Next(Alibaba)。すべてのベンチマーク、価格、順位を掲載しています。

更新 · 7件の情報源のデータ

2026年11月16日時点で、Claude Sonnet 5とQwen3.8-Flash-Nextの品質は互角です(BenchLeader Indexで59.0 対 53.9、±8.3の誤差範囲内)。価格はQwen3.8-Flash-Nextの方が17倍安く、100万トークンあたりのブレンド価格で$0.230 対 $4.00です。推論(65 対 43)を重視するならClaude Sonnet 5、エージェント・ツール(64 対 53)、長文コンテキスト(65 対 63)を重視するならQwen3.8-Flash-Nextが向いています。回答開始までの時間はClaude Sonnet 5の方が短く、15.8秒 対 65.5秒です。Claude Sonnet 5は出力が速い点も強みです。

要点(2026年11月16日時点)

  • BenchLeader IndexはClaude Sonnet 5が59.0、Qwen3.8-Flash-Nextが53.9です(BenchLeader、2026年11月16日)。
  • Claude Sonnet 5の100万トークンあたりのブレンド価格は$4.00です(定価、2026年11月16日)。
  • Qwen3.8-Flash-Nextの100万トークンあたりのブレンド価格は$0.230です(定価、2026年11月16日)。
  • Claude Sonnet 5はQwen3.8-Flash-Nextより出力が速いです(Artificial Analysis、7日間の中央値、2026年11月16日)。
  • 両モデルに結果がある14件のベンチマークのうち、Qwen3.8-Flash-Nextが11件でリードしています(BenchLeader、2026年11月16日)。
  • Arena WebDevでの評価はClaude Sonnet 5が1539、Qwen3.8-Flash-Nextが1624です(LMArena、2026年11月16日までの公開値)。

用途別のおすすめ

おすすめ側の数値を先に示しています。カテゴリスコアはBenchLeaderの尺度(50が平均的なモデル、15ポイントが1標準偏差)です。標準偏差の半分以上の差があれば信頼度「高」、1ポイント未満の差は「どちらでも」としています。

用途おすすめ理由信頼度
コーディングどちらでもカテゴリスコア60 対 61;Arena WebDev 1539 対 1624どちらでも
エージェント・ツール利用Qwen3.8-Flash-Nextカテゴリスコア64 対 53;Arena Agent -4.6 対 2高
推論Claude Sonnet 5カテゴリスコア65 対 43;CritPt 15.1% 対 11.1%高
長い文書Qwen3.8-Flash-Nextカテゴリスコア65 対 63;AA-LCR v1.1 79.7% 対 76.7%中
画像などのメディアどちらでもカテゴリスコア61 対 61どちらでも
チャットの質(人間の評価)–Arenaの評価があるのはClaude Sonnet 5のみです(カテゴリスコア65)比較不可
最低コストQwen3.8-Flash-Next100万トークンあたりブレンド価格$0.230 対 $4.00;エージェント型コーディングセッション$0.011 対 $0.160–
回答開始の速さClaude Sonnet 5最初の回答トークンまで15.8秒(Claude Sonnet 5 (high))対 65.5秒(Qwen3.8-Flash-Next)–
低予算での大量処理フラッグシップ以外小型モデルの方が適していることがほとんどです:安くて優秀なLLM、最速のLLM–

主な違い

  • Claude Sonnet 5 (high)とQwen3.8-Flash-Nextの品質は互角です(59.0 対 53.9、±8.3の誤差範囲内)。
  • Claude Sonnet 5 (high)は推論で優れています。
  • Qwen3.8-Flash-Nextはエージェント・ツール、コーディング、長文コンテキスト、マルチモーダルで優れています。
  • Qwen3.8-Flash-Nextの方が17倍安くなっています(100万トークンあたりブレンド価格$0.230 対 $4.00)。

概要

仕様Claude Sonnet 5Qwen3.8-Flash-Next
プロバイダーAnthropicAlibaba
リリース日2026年6月30日2026年8月26日
コンテキストウィンドウ(トークン)1,000,000256,000
比較した構成Claude Sonnet 5 (high)Qwen3.8-Flash-Next
オープンウェイトなしあり
100万トークンあたりの価格(入力/出力/キャッシュ入力)$2.00 / $10.00 / $0.200$0.150 / $0.470 / –

カテゴリ別の比較

カテゴリスコアはBenchLeaderの尺度で、50が評価対象モデルの平均、15ポイントが1標準偏差です。1ポイント未満の差は互角としています。

カテゴリClaude Sonnet 5 (high)Qwen3.8-Flash-Nextトップ
推論65.443.0Claude Sonnet 5
コーディング59.960.7互角
エージェント・ツール52.964.0Qwen3.8-Flash-Next
数学65.3–比較不可
知識–38.1比較不可
人間の評価64.6–比較不可
マルチモーダル60.961.0互角
長文コンテキスト62.964.5Qwen3.8-Flash-Next

1つのグラフで比較

各分野をIndexと同じ尺度(平均的なモデルが50)で示しています。分野をクリックすると、その元になったベンチマークが表示されます。 リストから最大5モデルまで選べます。

2550 avg75推論コーディングエージェント・ツール長文コンテキストマルチモーダルClaude Sonnet 5, 推論: 65.4Claude Sonnet 5, コーディング: 59.9Claude Sonnet 5, エージェント・ツール: 52.9Claude Sonnet 5, 長文コンテキスト: 62.9Claude Sonnet 5, マルチモーダル: 60.9Qwen3.8-Flash-Next, 推論: 43.0Qwen3.8-Flash-Next, コーディング: 60.7Qwen3.8-Flash-Next, エージェント・ツール: 64.0Qwen3.8-Flash-Next, 長文コンテキスト: 64.5Qwen3.8-Flash-Next, マルチモーダル: 61.0

描画していないもの(測定済みのモデルが2つ未満):数学, 知識, 指示追従, 人間の評価。

モデル(クリックで追加・削除)Index

情報源で評価が分かれる点

両方に結果がある14件のベンチマークのうち、Claude Sonnet 5のリードが3件、Qwen3.8-Flash-Nextのリードが11件です。

総合IndexClaude Sonnet 5 (high)Qwen3.8-Flash-Nextトップ
BenchLeader Index59.053.9互角

公開元ごとにタスク、評価環境、エフォートの設定が異なるため、総合的な評価が食い違うことがあります。BenchLeaderはそれらを1つの尺度にそろえています。†は同じモデルの別のエフォート設定での測定値です(公開元がここで比較している設定をテストしていないため)。

価格・速度・レイテンシ

定価は、出力1トークンにつき入力3トークンの比率でブレンドしています。タスクあたりの価格は、算出方法のページに記載したトークン数で計算しています。ベンチマークのタスクあたりのコスト、トークン数、時間は実測値で、Artificial AnalysisのIntelligence Index全体の平均です。

指標Claude Sonnet 5 (high)Qwen3.8-Flash-Next
100万トークンあたりのブレンド価格$4.00$0.230
100万トークンあたりの入力/出力$2.00 / $10.00$0.150 / $0.470
100万トークンあたりのキャッシュ入力$0.200–
タスクあたりの価格:チャットの返答$0.0038$0.0002
タスクあたりの価格:30ページのレポートを要約$0.030$0.0021
タスクあたりの価格:コード編集$0.027$0.0016
タスクあたりの価格:エージェント型コーディングセッション$0.160$0.011
タスクあたりの価格:構造化データの抽出$0.0060$0.0004
エージェント型コーディングセッション(入力の大半がキャッシュ)$0.079–
ベンチマークのタスクあたりのコスト(AA Index)–$0.569
タスクあたりの出力トークン(AA Index)–148k
うち推論–97k
タスクあたりの時間(AA Index)–31 min
出力速度99 tok/s80 tok/s
回答開始までの時間15.8秒65.5秒
回答が完了するまでの時間(最終測定2026年11月13日)40.7秒202.8秒

各モデルは、ランキングで最も高い推論エフォートの設定で比較しています。Claude Sonnet 5 (high)のスコアは59.0、最初の回答トークンまで16秒。Claude Sonnet 5 (max)は56.1(158秒)、Claude Sonnet 5 (xhigh)は55.4(32秒)。Qwen3.8-Flash-Nextのスコアは53.9、最初の回答トークンまで66秒。推論エフォートを上げるほど回答前の思考が長くなり、スコアは上がる一方で待ち時間と課金トークンも増えます。 推論エフォートでスコアとコストはどう変わるか

全ベンチマーク

122件のベンチマークをカテゴリ別に並べています。名前をクリックすると、そのボードと上位モデルを表示します。†は同じモデルの別のエフォート設定での測定値で、参考として表示しており、勝ち数には含めていません。

指標公開元Claude Sonnet 5 (high)Qwen3.8-Flash-Next
BenchLeader IndexBenchLeader59.053.9
エージェント・ツールスコアBenchLeader52.964.0
コーディングスコアBenchLeader59.960.7
人間の評価スコアBenchLeader64.6–
長文コンテキストスコアBenchLeader62.964.5
数学スコアBenchLeader65.3–
マルチモーダルスコアBenchLeader60.961.0
推論スコアBenchLeader65.443.0
知識スコアBenchLeader–38.1
ブレンド価格($/100万トークン)BenchLeader$4.00$0.230
出力速度BenchLeader99 tok/s80 tok/s
回答開始までの時間BenchLeader15.8秒65.5秒
コンテキストウィンドウBenchLeader1,000,000トークン256,000トークン
推論
GPQA DiamondEpoch AI Benchmarking Hub80.3%†–
SimpleBenchSimpleBench60.6%†–
Arena Hard PromptsArena (LMArena)1490–
LiveBench 1.0 ReasoningLiveBench88.7%†87.4%
GPQA Diamond (AA)Artificial Analysis91.1%†92.3%
Humanity's Last Exam (AA)Artificial Analysis35.7%38.0%
HLE-Diamond (AA)Artificial Analysis–16.3%
GPQA Diamond (Vals)Vals AI88.9%†–
CritPtArtificial Analysis15.1%11.1%
CritPt v2 hard subset (AA)Artificial Analysis–24.5%
Arena ExpertArena (LMArena)1509–
Chess PuzzlesEpoch AI Benchmarking Hub45.0%†–
Mystery Game PuzzlesEpoch AI Benchmarking Hub16.0%†–
LMCAEpoch AI Benchmarking Hub50.0%–
DTBenchEpoch AI Benchmarking Hub84.5%–
ForecastBenchForecastBench63.1%†–
BTF-3Epoch AI Benchmarking Hub14.2%†–
コーディング
SciCodeSciCode54.3%–
WeirdMLWeirdML68.8%–
FrontierCodeCognition42.7%†–
GSO-BenchGSO-Bench37.3%†–
Arena CodingArena (LMArena)1520–
Arena WebDevArena (LMArena)15391624
LiveBench 1.0 CodingLiveBench80.7%†72.5%
SciCode (AA)Artificial Analysis54.3%50.6%
122件のベンチマークをすべて表示
指標公開元Claude Sonnet 5 (high)Qwen3.8-Flash-Next
コーディング
LiveCodeBenchVals AI82.4%†–
IOIVals AI45.0%†–
SWE-bench (Vals)Vals AI79.6%†–
Code MigrationVals AI44.4%†–
ProgramBenchVals AI0.0%†–
Vibe Code Bench 1-100Vals AI13.8%†–
Vibe Code Bench v1.1Vals AI81.3%†–
SWE-Bench Pro V2Scale AI SEAL93.2%†–
SWE-Bench Pro V2 HARDScale AI SEAL88.2%†–
MirrorCodeEpoch AI Benchmarking Hub63.3%†–
Surface Evolver BenchEpoch AI Benchmarking Hub60.0%†–
DeepSWE v1.1Epoch AI Benchmarking Hub48.2%–
CursorBenchCursor30.8%–
ALE-BenchEpoch AI Benchmarking Hub1463.1–
Terminal-Bench 4.0 (AA)Artificial Analysis5.0%25.3%
Terminal-Bench 2.1 (AA)Artificial Analysis80.5%†86.1%
Startrise FrontendStartrise66.6%†–
GameBench 2 OverallDuelLab GameBench 246.6†–
GameBench 2 by reasoning settingDuelLab GameBench 254.4†–
Design Arena WebsiteDesign Arena1268†–
FrontierCode 2.0 (AA)Artificial Analysis17.8%†27.1%
エージェント・ツール
Terminal-BenchTerminal-Bench12.1%†–
APEX-AgentsMercor54.5%†–
Arena AgentArena (LMArena)2-4.6
LiveBench Agentic CodingLiveBench59.4%†61.6%
Terminal-Bench 2.1 (Vals)Vals AI74.5%†–
GDPval-AA v2.1, normalised scoreArtificial Analysis–56.4%
GDPval-AA v2.1Artificial Analysis12621637
τ³-Banking (AA)Artificial Analysis37.3%†45.4%
Analyst Agent (AA)Artificial Analysis46.3%†–
CyberBenchVals AI61.9%†–
Finance Agent v2Vals AI53.9%†–
Harvey's Legal Agent Benchmark v1Vals AI5.0%†–
Legal Research BenchVals AI41.8%†–
SkillsBenchVals AI46.5%†–
SREBenchVals AI0.4%†–
Tax Agent BenchVals AI29.4%†–
Terminal-Bench 4.0 (Vals)Vals AI10.6%†–
Terminal-Bench ScienceVals AI5.7%†–
Arena SearchArena (LMArena)1191†–
Arena Agent Task CompletionArena (LMArena)-0.60.3
GBAEvalEpoch AI Benchmarking Hub65.3%†–
Vending-Bench 2Andon Labs6377.7†–
AutomationBenchArtificial Analysis32.1%55.9%
GDP.pdf (AA)Artificial Analysis9.4%15.6%
EnterpriseOps-GymArtificial Analysis44.7%†–
AA-Briefcase v1.1Artificial Analysis11771572
Design Arena AgenticDesign Arena1222†–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis–7.1%
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub65.6%†–
FrontierMath Tier 4Epoch AI Benchmarking Hub29.3%†–
OTIS Mock AIMEEpoch AI Benchmarking Hub80.0%†–
ProofBenchVals AI77.0%†–
LiveBench MathematicsLiveBench92.9%†85.8%
Arena MathsArena (LMArena)1472–
知識
SimpleQA VerifiedEpoch AI Benchmarking Hub33.7%†–
LiveBench 1.0 Data AnalysisLiveBench71.7%†74.2%
AA-Omniscience v1.1Artificial Analysis–-12.2
MMLU-ProVals AI87.5%†–
LegalBenchVals AI83.9%†–
CorpFinVals AI67.0%†–
TaxEvalVals AI75.6%†–
Excel Modeling BenchmarkVals AI66.3%†–
MedCodeVals AI47.5%†–
MedScribeVals AI76.0%†–
Public Benefits Bench v1.1Vals AI66.0%†–
DrugDiscoveryBenchScale AI SEAL50.0%†–
AA-Omniscience v1.1: accuracyArtificial Analysis–23.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis–53.2%
FACTS ParametricGoogle20.5%†–
指示追従
LiveBench LanguageLiveBench75.0%†74.6%
LiveBench Instruction FollowingLiveBench63.9%†77.1%
Arena Instruction FollowingArena (LMArena)1467–
人間の評価
Arena TextArena (LMArena)1461–
EQ-Bench 4EQ-Bench1221†–
EQ-Bench Creative Writing v3EQ-Bench1798†–
Arena Creative WritingArena (LMArena)1434–
Arena Multi-turnArena (LMArena)1473–
Arena Longer QueriesArena (LMArena)1481–
マルチモーダル
Arena VisionArena (LMArena)1272–
MMMU-ProArtificial Analysis77.3%†78.6%
MMMU-Pro (Vals)Vals AI83.0%†–
MortgageTaxVals AI70.0%†–
Humanity's Sixth SenseScale AI SEAL24.8%†–
GeoBenchGeoBench74.0%–
Blueprint-Bench 2Epoch AI Benchmarking Hub24.9%†–
長文コンテキスト
AA-LCR v1.1Artificial Analysis76.7%79.7%
Arena DocumentArena (LMArena)1469–
MLCRArtificial Analysis4.4%20.6%
総合
Epoch Capabilities IndexEpoch AI Benchmarking Hub156.9†–
LiveBench 1.0LiveBench76.0%†76.2%
AA Intelligence Index v5.0.1Artificial Analysis–28.6
AA Intelligence Index v4.3.2Artificial Analysis31.739.8
AA Progress Index v1Artificial Analysis296.8320.2
Vals Multimodal IndexVals AI68.8%†–
安全性・誠実さ
DistressBenchScale AI SEAL68.0%†–
メタデータ
AA Openness IndexArtificial Analysis–38.9

データは2026年11月16日時点。各モデルの最良の構成で比較しています。すべてのスコアの出典はモデルのページにリンクしています。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

最近の変化

  • Claude Sonnet 5 (high):新しい結果2件(GDPval-AA v2.1, AA-Briefcase v1.1)。
  • Claude Sonnet 5 (high):BenchLeader Index 59.5 → 59.0。
  • Qwen3.8-Flash-Next:BenchLeader Index 54.7 → 54.0。
  • Qwen3.8-Flash-Next:新しい結果3件(AA Intelligence Index v5.0.1, FrontierCode 2.0 (AA), Terminal-Bench-Science 0.1 (AA))。
  • Claude Sonnet 5 (high):新しい結果1件(GeoBench)。
  • Qwen3.8-Flash-Next:新しい結果1件(CritPt v2 hard subset (AA))、スコアの改訂1件。
  • Claude Sonnet 5 (high):スコアの改訂1件。
  • Claude Sonnet 5 (high):スコアの改訂1件。
  • Qwen3.8-Flash-Next:新しい結果1件(AA-Briefcase v1.1)、スコアの改訂1件。
  • Qwen3.8-Flash-Next:BenchLeader Index 58.7 → 54.7。

ランキング: 総合ベストLLM · エージェントに最適なLLM · 安くて優秀なLLM

Claude Sonnet 5 vs Qwen3.8-Flash-Next:よくある質問

Claude Sonnet 5はQwen3.8-Flash-Nextより優れていますか?
Claude Sonnet 5 (high)とQwen3.8-Flash-Nextの品質は互角です(59.0 対 53.9、±8.3の誤差範囲内)。BenchLeader Indexは第三者による品質ベンチマークをすべて統合した指標です。2026年11月16日時点では両者の差は誤差範囲内なので、用途に合わせてカテゴリ別のスコアを確認してください。
Claude Sonnet 5とQwen3.8-Flash-Nextはどちらが安いですか?今後変わる予定はありますか?
現在はQwen3.8-Flash-Nextの方が安く、100万トークンあたり$0.230 対 $4.00です(出力1トークンにつき入力3トークンでブレンド)。どちらも価格変更は発表されていません。
コーディングにはClaude Sonnet 5とQwen3.8-Flash-Nextのどちらが向いていますか?
コーディングでは互角です(カテゴリ指標で60 対 61)。共通するコーディングベンチマークのうち最も重要なArena WebDevでは、Claude Sonnet 5が1539、Qwen3.8-Flash-Nextが1624です。
Claude Sonnet 5とQwen3.8-Flash-Nextはどちらが速いですか?
Claude Sonnet 5の方が出力が速くなっています(出力99 対 80トークン/秒、Artificial Analysisの7日間の中央値)。
エージェントやツール利用にはClaude Sonnet 5とQwen3.8-Flash-Nextのどちらが向いていますか?
エージェント型のタスクではQwen3.8-Flash-Nextの方がスコアが高くなっています(カテゴリ指標で64 対 53。50が平均)。共通するエージェント・ツールベンチマークのうち最も重要なArena Agentでは、Claude Sonnet 5が2、Qwen3.8-Flash-Nextが-4.6です。
ほかの質問(4件)
長い文書にはどちらが向いていますか?
長文コンテキストのベンチマークではQwen3.8-Flash-Nextの方がスコアが高くなっています(65 対 63)。コンテキストはClaude Sonnet 5の方が長く、1,000,000トークンです(Qwen3.8-Flash-Nextは256,000トークン)。
レイテンシが低いのはどちらですか?
先に回答を始めるのはClaude Sonnet 5です。Artificial Analysisの測定では、最初の回答トークンまで15.8秒 対 65.5秒です。この差の大部分は推論エフォートによるもので、設定が高いほど回答前に長く考えます。
Claude Sonnet 5とQwen3.8-Flash-Nextについて、第三者ベンチマークの評価は一致していますか?
両方に結果がある14件のベンチマークのうち、Claude Sonnet 5のリードが3件、Qwen3.8-Flash-Nextのリードが11件です。
Qwen3.8-Flash-Nextはいつリリースされましたか?
Qwen3.8-Flash-Nextは2026年8月26日にリリースされました。